我有一个数据框,想按降序或升序对所有列进行独立排序。
import pandas as pd
data = {'a': [5, 2, 3, 6],
'b': [7, 9, 1, 4],
'c': [1, 5, 4, 2]}
df = pd.DataFrame.from_dict(data)
a b c
0 5 7 1
1 2 9 5
2 3 1 4
3 6 4 2
当我使用 sort_values() 时为此,它没有按预期工作(对我来说)并且只对一列进行排序:
foo = df.sort_values(by=['a', 'b', 'c'], ascending=[False, False, False])
a b c
3 6 4 2
0 5 7 1
2 3 1 4
1 2 9 5
如果我使用 this 中的解决方案,我可以获得所需的结果应用 lambda 函数的答案:
bar = df.apply(lambda x: x.sort_values().values)
print(bar)
a b c
0 2 1 1
1 3 4 2
2 5 7 4
3 6 9 5
但这对我来说看起来有点笨拙。
sort_values() 中实际发生了什么上面的示例以及如何在没有 lambda 函数的情况下以 pandas 方式对数据框中的所有列进行排序?
最佳答案
您可以使用 numpy.sort
使用 DataFrame
构造函数:
df1 = pd.DataFrame(np.sort(df.values, axis=0), index=df.index, columns=df.columns)
print (df1)
a b c
0 2 1 1
1 3 4 2
2 5 7 4
3 6 9 5
编辑:
按降序回答:
arr = df.values
arr.sort(axis=0)
arr = arr[::-1]
print (arr)
[[6 9 5]
[5 7 4]
[3 4 2]
[2 1 1]]
df1 = pd.DataFrame(arr, index=df.index, columns=df.columns)
print (df1)
a b c
0 6 9 5
1 5 7 4
2 3 4 2
3 2 1 1
关于python - 使用 sort_values() 独立地对 pandas DataFrame 的所有列进行排序,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43280322/